Uma aplicação de redes neurais artificiais recorrentes (RTRL) e processos ARIMA-GARCH para predição da série de preços da soja

Resumo

Neste artigo é realizado um estudo comparativo quanto à eficiência de
previsão de séries temporais utilizando processos ARIMA-GARCH e redes neurais artificiais (RNA) treinadas com o algoritmo de aprendizagem recorrente em tempo real (RTRL – real time recurrent learning). Como experimento, a série de preços da saca de soja de 60 Kg é usada para realizar a comparação entre as duas técnicas. São realizadas previsões de 1 a 10 passos à frente, estes valores de janelas de previsão foram escolhidos arbitrariamente. Tanto o modelamento usando RNA como os processos ARIMA-GARCH exigem a transformação dos dados da série original. Os resultados das previsões são apresentados em termos dos valores da série no nível, ou seja, tem a mesma forma da série original. Podese verificar que as previsões das redes neurais tiveram desempenho superior quando comparadas aos resultados dos modelos econométricos tradicionais.